调用plt.figure()导致Kivy窗口缩小的原因及应对方法？

我来帮你拆解这个棘手的问题——这本质是matplotlib的后端渲染逻辑和Kivy窗口管理机制的冲突，再加上你设置的高DPI意外触发了系统显示缩放调整，具体原因和解决方法如下：

问题成因 #

• matplotlib后端干扰Kivy窗口：matplotlib默认使用交互式后端（比如TkAgg、Qt5Agg），当你调用plt.figure()时，这个后端会初始化独立的窗口系统，直接打乱Kivy的窗口管理逻辑，导致Kivy窗口被强制调整大小。
• DPI设置传递影响Kivy渲染：你在plt.figure()里设置了dpi=200，这个高DPI值会被系统的显示缩放机制捕捉，意外修改了Kivy的界面渲染比例——看起来窗口变小，实则是Kivy的UI元素按照新的高DPI比例重新渲染，所以内容更清晰。
• 多进程/线程的资源竞争：你用了pathos的多进程池，再加上线程调用计算逻辑，多个进程对显示资源的交叉访问，进一步加剧了窗口管理的混乱。

解决方法 #

1. 让matplotlib使用非交互式后端（避免弹窗干扰） #

如果你只是需要生成图表数据而非单独弹出matplotlib窗口，在导入matplotlib时就指定非交互式后端，彻底切断它对窗口系统的初始化：

# 在calc.py的最开头添加
import matplotlib
matplotlib.use('Agg')  # 非交互式后端，仅生成图表文件/对象，不创建窗口

2. 用Kivy官方组件嵌入matplotlib图表（如需显示图表） #

如果需要在Kivy界面内展示matplotlib生成的图，不要直接调用plt.figure()，改用Kivy官方维护的kivy-garden.matplotlib组件，它专门做了Kivy与matplotlib的适配，不会干扰窗口大小。

先安装组件：

garden install matplotlib

然后修改代码，将图表嵌入Kivy控件（示例）：

# 在GUI.py中导入适配组件
from kivy.garden.matplotlib.backend_kivyagg import FigureCanvasKivyAgg
from kivy.clock import Clock

# 在MetaLevel类中添加一个用于显示图表的布局（比如在kv文件里加个BoxLayout，id设为chart_box）
def calculate(self, *args):
    res, fig = main()  # 让main返回结果和图表对象
    # 回到Kivy主线程更新UI
    Clock.schedule_once(lambda dt: self.ids.chart_box.add_widget(FigureCanvasKivyAgg(fig)))
    Clock.schedule_once(lambda dt: App.get_running_app().pop.dismiss())

3. 强制锁定Kivy窗口的大小与缩放 #

在App启动前，不仅锁定窗口大小，还要固定DPI缩放比例，避免外部设置修改：

# 在GUI.py的最开头添加
from kivy.config import Config
Config.set('graphics', 'width', '800')  # 自定义窗口宽度
Config.set('graphics', 'height', '600') # 自定义窗口高度
Config.set('graphics', 'resizable', '0')
# 关键：锁定DPI缩放，防止被外部修改
Config.set('graphics', 'dp', '1')
Config.write()  # 保存配置生效

4. 优化多进程/线程的UI操作逻辑 #

绝对不要在计算进程里直接操作Kivy的UI控件（比如App.get_running_app().pop.dismiss()），多进程无法直接访问主进程的Kivy对象，必须通过Kivy的Clock.schedule_once回到主线程更新UI：

# 修改calc.py，移除UI操作，仅返回数据
def main():
    import numpy as np
    import matplotlib
    matplotlib.use('Agg')
    import matplotlib.pyplot as plt
    from pathos.multiprocessing import ProcessPool as Pool

    grid = np.array([(m, n) for m in np.arange(1, 100, 1) for n in np.arange(1, 100, 1)])
    def calc(grid):
        var1 = grid[0]
        var2 = grid[1]
        y = var1*var2
        return y
    res = Pool().map(calc, grid)
    fig = plt.figure(111, dpi=200)
    print('done')
    return res, fig  # 返回结果和图表对象，交由主线程处理

总结 #

核心思路就是切断matplotlib后端对Kivy窗口的干扰，要么用非交互式后端仅生成图表，要么用官方适配组件嵌入图表，同时严格保证所有UI操作都在Kivy主线程中完成，这样就能彻底解决窗口大小异常和意外分辨率变化的问题了。

内容的提问来源于stack exchange，提问作者Michael Green